基于复杂结构信息的图神经网络序列推荐算法

摘要：

图结构因其在序列推荐场景中的自然适应性而备受关注,而现有的基于图神经网络的会话序列推荐算法虽然能够利用图结构信息达到较好的推荐效果,但是没有考虑用户在会话序列中的重复点击行为和项目之间的复杂转换,且未很好地利用图中复杂的结构信息,导致推荐的效果受到一定程度的限制.提出有向与无向信息同注意力相融合的图神经网络序列推荐算法,并基于推荐算法给出项目隐含向量建模算法,结合会话序列图中的有向结构信息与无向结构信息,通过考虑用户的重复点击行为和引入注意力机制建立会话中点击项目的复杂转换模型.图节点在特征传播的过程中平衡邻居节点信息与自身信息的比例,以更准确地预测推荐过程中生成的会话向量.在Diginetica、Yoochoose 1/64、Yoochoose 1/43个数据集上的实验结果表明,与SR-GNN、TAGNN算法相比,该算法精度最高提升4.34％,能够更好地预测用户在会话中的下一次点击精度.

关键词：图结构、图神经网络、会话序列、推荐算法、注意力机制

所属期刊栏目：48

分类号：TP399(计算技术、计算机技术)

资助基金：南方海洋科学与工程广东省实验室珠海创新团队建设项目311020012

在线出版日期：2022-05-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：82-90,97